AI 技能（AI Skill）

1. 原子概念拆解

依赖链：① → ② → ③ → ④ → ⑤         ↘ ⑥ ↗

2. 逐个原子概念讲解

① 大模型（LLM）

定义：通过 Transformer 架构在海量文本上预训练、再通过指令微调对齐人类意图的通用语言模型。

核心能力与局限：

数学本质：LLM 是一个条件概率分布。

P(tokent∣token1,token2,…,tokent−1;θ)

每次生成都是基于上下文的下一个 token 概率预测。模型本身没有“能力”，只有“模式匹配”——它模仿训练数据中类似情况下的回答模式。

直觉：大模型是一个读过上万亿字文本的人，记忆力惊人但没有实际动手经验。它能告诉你“怎么修水管”但没法帮你拧扳手。能力与知识之间存在执行鸿沟。

② 系统提示词（System Prompt）

定义：在用户对话开始前预注入的一段指令文本，对模型的行为施加全局约束。

形式化表达：

System Prompt = Identity（角色定义）              + Knowledge（注入的知识/文档）              + Constraints（行为约束/禁止事项）              + Format（输出格式要求）

局限性的数学直觉：

模型总上下文窗口 = System Prompt + 对话历史 + 工具输出 + 用户输入可用空间 = 窗口大小 - System Prompt 占用 - 其他开销

当 System Prompt 过长时，会压缩模型用于实际推理和对话的空间。这产生了一个根本矛盾：

能力覆盖面↑⇔单次推理质量↓

想覆盖更多领域就要塞更多知识进 System Prompt，但塞多了反而降低每个领域的回答质量。

直觉：系统提示词像操作手册的扉页。一本手册如果把所有章节的开头都印在扉页上（“如何修水管、如何做饭、如何编程……”），扉页会变成一本厚书，反而找不到真正需要的那部分。

这就是 Skill 存在的根本原因——系统提示词无法解决“覆盖面 vs 质量”的矛盾。

③ 工具调用（Tool Use）

定义：LLM 将自然语言意图转化为结构化参数、调用外部函数并获得结果的能力。

工作流程：

用户: “今天深圳天气怎么样？”        ↓LLM 推理: 需要天气数据 → 检查可用工具 → 匹配 get_weather        ↓LLM 输出: { “tool”: “get_weather”, “args”: { “city”: “深圳” } }        ↓系统执行: 调用天气 API → 返回 { “temp”: 28, “condition”: “晴” }        ↓LLM 生成: “深圳今天 28°C，晴天。”

形式化表达：

Response = f(UserInput, Tools, SystemPrompt)其中 Tools = {tool₁, tool₂, ..., toolₙ}每个 toolᵢ = {name, description, parameters_schema}

关键约束：description决定模型能否正确匹配工具。描述不清晰会导致调错工具或漏调。

直觉：工具调用是给 LLM 装上了“手和眼睛”。模型本身只能“说”，工具让它能“做”——读文件、查数据库、发网络请求、操作浏览器。说 vs 做的区别，就是信息 vs 行动的区别。

误区：

④ 技能（Skill）— 核心概念

定义：将领域知识（prompt）+ 行为规范（protocol）+ 工具编排（tool usage）打包为一个可插拔模块，按需动态加载到 AI 上下文中。

本质公式：

Skill=知道什么Domain Prompt+怎么做Workflow Protocol+用什么Tool Bindings

解决的核心问题：

系统提示词的静态性Skill 动态加载按需注入、场景化能力

触发机制：

Match(UserInput,SkillDescription)>θ⟹Load(Skill)

用户输入与技能描述的语义相似度超过阈值 θ时，触发技能加载。这是从“所有知识都塞在系统提示词里”到“需要什么加载什么”的范式转变。

直觉：技能是 AI 能力的“App Store”。手机出厂时只有基础功能（电话、短信），通过安装 App 获得导航、支付、拍照等专业能力。同理，大模型出厂时是通用的，通过加载技能获得金融分析、代码审计、知识讲解等专业能力。

跨产品形态对照：

不同产品叫法不同，但本质相同：都是将“通用模型 + 专业约束 + 工具”封装为可复用模块。

⑤ 代理（Agent）

定义：以 LLM 为决策核心，通过感知→规划→行动→观察的循环自主完成复杂任务的系统。

核心循环（ReAct 模式）：

┌─────────────────────────────────┐│           Agent Loop            ││                                 ││  感知（Perceive）                ││    ↓ 读取输入 + 观察环境         ││  规划（Plan）                    ││    ↓ 拆分子目标、选择工具        ││  行动（Act）                    ││    ↓ 调用工具、生成内容          ││  观察（Observe）                ││    ↓ 获取执行结果               ││  判断：任务完成？                ││    ├─ 否 → 回到“感知”           ││    └─ 是 → 输出最终结果         │└─────────────────────────────────┘

Agent 与 Skill 的关系：

Agent=LLM+能力层Skill1∪Skill2∪⋯∪Skilln+Orchestration

• Skill 是能力模块（做什么）

• Agent 是决策引擎（何时做什么、做什么顺序）

• 没有 Skill 的 Agent 只能“说”；有 Skill 的 Agent 能“做”

直觉：Skill 是工具箱里的扳手、螺丝刀、电钻；Agent 是决定“修水管先用扳手拧开接口，再用生料带缠绕，最后用扳手拧紧”的维修工。

⑥ 技能编排（Skill Orchestration）

定义：多个技能按任务需求动态组合、协同执行，覆盖单一技能无法完成的跨领域任务。

编排模式：

编排的核心挑战：

上下文窗口有限⟹不能同时加载所有技能⟹需要精确的加载/卸载策略

直觉：编排是指挥家。每个乐手（技能）只拿自己的乐谱（协议），指挥家（Agent）不演奏任何乐器，但决定谁在什么时候演奏、以什么强度演奏。

3. 串联：从原子概念回到“AI 技能是什么”

大模型（①）具有通用语言能力但缺乏专业深度和执行能力 → 系统提示词（②）可以注入知识和约束，但面临“覆盖面 vs 质量”的矛盾 → 工具调用（③）让 AI 能操作外部系统，但工具本身不携带领域知识 → 于是将“领域知识 + 工作流程 + 工具使用”打包为技能（④）→ 技能通过动态加载解决系统提示词的静态性矛盾 → 但单一技能能力有限 → 需要能自主决策的代理（⑤）来统筹多个技能 → 多技能协同通过编排（⑥）实现 → 最终形成从“通用对话”到“专业自主执行”的完整能力跃迁。

最终结论：

AI 技能是将大模型的通用能力领域化、流程化、工具化的模块化机制。

它解决的核心问题是：大模型“什么都知道一点但什么都不精，什么都能说但什么都做不了”。技能通过 动态注入（而非静态全量）专业知识和执行规范，在有限的上下文窗口内最大化特定领域的推理质量。它不是大模型本身的增强，而是一种架构层面的解法——将能力从“一个大模型承担所有”拆分为“通用模型 + N 个专业模块”的组合，每个模块按需加载、独立维护、自由扩展。

4. 延伸

• MCP（Model Context Protocol）：Anthropic 提出的标准化工具接入协议，定义 AI 与外部工具/数据源之间的通信规范，是 Skill 工具层的工业标准方向

• 技能市场/生态：社区贡献技能 → 安全审计 → 分发安装，类似 App Store 的 AI 能力分发模式

• 技能自进化：技能在使用中积累经验、自动更新知识库（如 RAG 检索结果的缓存优化），实现“越用越专业”